基于特征点筛选的实时视频拼接算法

针对实时视频采用单一图像特征的拼接方法难以兼顾速度和质量的问题,提出了一种实时视频快速拼接算法。综合运用图像区域二值化(LBP)纹理特征与加速健壮特征(SURF),优化了特征点提取和匹配过程。在采用加速分块特征检测(FAST)算法提取角点的基础上,先采用改进LBP特征对备选特征点进行粗匹配,再提取SURF进行精细匹配。通过2次筛选有效降低了后续特征提取的备选点数量,并减少了匹配计算的次数和维度,从而提高了总体运算速度,可满足一定分辨率下实时视频拼接要求。

基于NSCT和SLIP模型的红外与可见光图像融合

针对红外与可见光图像融合问题,提出了一种基于非下采样Contourlet变换(NSCT)和对数对称图像处理(SLIP)模型的图像融合方法。首先,对源图像进行NSCT分解,得到一个低频子带和若干高频子带;然后,基于SLIP模型计算低频融合系数,从而完整保留目标和背景信息,对于高频子带采用基于改进拉普拉斯能量和(SML)的融合策略,并利用贝叶斯准则和SLIP模型抑制噪声和增强边缘细节;最后,重构高频与低频子带,得到融合图像。试验结果表明,与近年提出的3种融合方法相比,该方法可有效提取源图像的红外目标与背景信息,融合图像边缘光滑且细节丰富,具有良好的视觉效果。